基于压缩感知的脑电信号压缩采样

压缩感知在脑电信号中的应用，在医学实践中，通常会进行长时间的多次重复性的多通道脑电图测量，因此会产生 大量数据。如何有效处理这些数据是一个函待解决的问题。近年来出现的压缩感知理论 为有效解决这个问题提出了新的解决思路。鉴于此，本文首先介绍了EEG信号的先验 基础知识和压缩感知的理论框架。接下来研究了基于压缩感知理论对单通道EEG信号 的压缩采样，内容包括脑电信号最佳稀疏分解，通过实验对比发现，对于EEG信号， 以高斯函数、高斯小波函数、墨西哥草帽函数作为原子的生成函数构造的冗余字典，可 以实现EEG信号的较好的稀疏分解效果;测量矩阵的选择，实验中比较了常用测量矩 阵对重构误差的影响，如高斯随机